2. Estacionalidad
Teorema: Toda matriz estocástica P tiene como valor propio a
λ=1, es decir, existe un vector π tal que:
π= λ πP
Donde λ=1 siendo π un vector renglón
Una cadena de Markov es estacionaria si su distribución de
probabilidad incondicional πn tiende a mantenerse
constante a largo plazo, cuando n tiende a infinito
independientemente en que estado se inicie. Esto
significa que las probabilidades se estabilizan en el
tiempo.
3. Estacionalidad
Se sabe que:
πn= πn-1P
Ahora
π= lim πn
n→∞
Entonces
π= lim πn-1P
n→∞
Si hay estacionalidad
lim πn-1=π
n→∞
Por tanto
π= πP
4. Estacionalidad
Aunque se continúe multiplicando por la matriz P el vector π
ya no cambia. El vector π es el vector característico de la
matriz P correspondiente al valor característico λ=1
Para obtener π basta con resolver el sistema de ecuaciones:
π= πP
Agregando la restricción adicional
Σ π(x)=1
x∈S
6. Ejemplos
Si multiplicamos
0.3 0.7
)
5
7
( ,
= Supongamos que iniciamos en cero
π
0=(1,0)
π
1=(0.3,0.7)
π
3=(0.44,0.56)
.
.
.
)
7
,
12
5
(
12
0.5 0.5
12
12
El 42% del tiempo se
pasará en el estado 0 y
el 58% en el estado 1
¿Qué pasará
si iniciamos
en 1?
7. Ejemplos
Movilidad absoluta
0 1
=
P
1 0
1
0 1
1
0
0 1
1 0
=
−
−
λ
λ
Para λ
1=1
π(0)=π(1)
π(1)=π(0)
π(0)+π(1)=1
0 1
Despejando π(0)=1/2 y π(1)=1/2
Ejemplo 2
Encontrando los valores propios
λ2 -1=0
∴λ
1=+1 λ
2=-1
=
1 0
(π (0), π (1)) (π (0), π (1))
El orden es 2 en las raíces de 1 en
este caso nos indican periodicidad de
orden 2.
8. Ejemplos
Si multiplicamos
0 1
)
2
1
( =
Supongamos que iniciamos en uno
π
0=(0,1)
π
1=(1,0)
π
3=(0,1)
.
.
.
1
,
2
)
2
1
(
1 0
1
,
2
El 50% del tiempo se
pasará en el estado 0 y
el 50% en el estado 1
¿Qué pasará
si iniciamos
en 0?
10. Ejemplos
Si multiplicamos
0 1
1) , 0 ( =
Supongamos que iniciamos en cero
π
0=(1,0)
π
1=(0,1)
π
3=(0,1)
.
.
.
(0, 1)
0 1
El 0% del tiempo se pasará
en el estado 0 y el 100%
en el estado 1 (estado
absorbente)
¿Qué pasará
si iniciamos
en 1?
11. Ejemplos
1 0
=
P 0 1
0 1
1
1
0
1 0
0 1
=
−
−
λ
λ
Para λ
1=1
1 0
π(0)= π(0)
π(1)= π(1)
π(0)+π(1)=1
Solución múltiple, no es estacionario.
Ejemplo 4
Encontrando los valores propios
(1-λ)2=0
λ2 -2λ+1=0
∴λ
1=1 λ
2=1
=
0 1
(π (0), π (1)) (π (0), π (1))
Dos raíces
iguales a la
unidad indica
dos estados
absorbentes y
dos clases
finales
12. Ejemplos
Supongamos que iniciamos en cero
π
0=(1,0)
π
1=(1,0)
π
3=(1,0)
.
.
.
¿Qué pasará
si iniciamos
en 1?
17. Ejemplos
Si multiplicamos
0.5 0.5 0
(0, 1/3, 2/3) 0 0 1
=
Supongamos que iniciamos en el estado 0
π
0=(1,0,0)
π
1=(0.5,0.5,0)
π
3=(0.25,0.25,0.5)
.
.
.
(0, 1/3, 2/3)
0 0.5 0.5
El 33% estaremos en el
estado 1 y el 66% en el
estado 2 y 0 en el estado 0
La
distribución
a largo plazo
es única y no
depende del
estado inicial
¿Qué pasará
si iniciamos
en 1 o 2?
18. Ejemplo 8
0 0.5 0.5
0 0 1
=
Encontrando los valores propios
-λ(λ2-1)=0
∴λ
0 0.5 0.5
0 0 1
1=0 λ
2=1 λ
3=-1
Ejemplos
0 1 0
P
0
2
0
0 1
=
−
−
−
λ
λ
λ
Para λ
2=1
(π (0), π (1), π (2)) (π (0), π (1), π (2))
π(0)=0
=
0 0.5 0.5
0 0 1
0 1 0
π(1)=0.5π(0)+ π(2)
π(2)= 0.5π(0)+π(1)
π(0)+π(1)+ π(2)=1
Despejando π(0)=0, π(1)=1/2, π(2)=1/2
1
{1,2}
Recurrentes
{0}
Transitorio
Clase final
Un sólo valor
característico
igual 1 significa
una sola clase
final de orden 2
(periodicidad 2)
19. Ejemplos
Si multiplicamos
0 0.5 0.5
(0, 1/2, 1/2) 0 0 1
=
Supongamos que iniciamos en el estado 0
π
0=(1,0,0)
π
1=(0,0.5,0.5)
π
3=(0,0.5,0.5)
.
.
.
(0, 1/2, 1/2)
0 1 0
El 50% estaremos en el
estado 1 y 2, y 0 en el
estado 0
¿Qué pasará
si iniciamos
en 1 o 2?
20. Observaciones Generales
Toda matriz estocástica P tiene al menos un valor
característico λ=1
El número de valores característicos iguales a uno es igual al
número de clases finales de la cadena.
El número de valores característicos raíces de la unidad
(λ5=1) indica el orden de la periodicidad. La periodicidad de
orden 1 implica aperiodicidad.
Cuando hay más de una clase final existen múltiples
soluciones para el vector de distribución a largo plazo π.
Cuando hay periodicidad el estado a largo plazo depende en
realidad del estado inicial y del número de transición.